Bild 01: Künstliche Intelligenz entwickelt sich zum Game Changer in der industriellen Automatisierung. (Quelle: PopTika@shutterstock.com)
Über Details zu TSN ist schon viel publiziert worden. In diesem Artikel soll es daher um Applikationsbeispiele mit dem Schwerpunkt KI gehen, die von TSN profitieren können. Der Schwerpunkt liegt hier nicht auf Motion Control, sondern auf anderen Anwendungen mit hohem Nutzen für die Technologie. Einige der enthaltenen Beispiele sollen eine Anregung sein, über die Grenzen der heutigen Optionen hinauszudenken.
Die rasante Entwicklung von KI-Werkzeugen, verbunden mit einer signifikanten Beschleunigung der Hardware-Fähigkeiten und integrierten Ethernet-Schnittstellen, eröffnet neue Applikationen und Handlungsfelder. Diese haben allgemein die folgenden Anforderungen:
- Es müssen große Datenmengen aus dem Feld zur KI transportiert werden.
- Die weitergeleiteten Daten sind mit hochgenauen Zeitstempeln zu versehen, damit zum Beispiel eine Zeitreihendatenanalyse durch übergreifende Korrelation realisierbar ist.
- Das Ergebnis der KI-Verarbeitung muss ebenfalls ins Feld zurückwirken können.
Diese Anforderungen lassen sich durch klassisches industrielles Ethernet auf Grundlage der 100-Mbit/s-Technologie nicht oder nur unzureichend erfüllen. An dieser Stelle kommen die Möglichkeiten des Time Sensitive Networkings ins Spiel. Anhand von Beispielen soll erläutert werden, welche Anwendungen mit dem Schwerpunkt KI durch ein konvergentes TSN-Netzwerk umgesetzt oder verbessert werden können (Bild 2).
Qualitätskontrolle im Fertigungsprozess
In einer Fertigungsmaschine oder Produktionsstraße werden mit speziellen industriellen Kameras (GigE Vision) Bilder vom laufenden Prozess oder von Produkten aufgenommen. Ein auf der Basis des Gutfalls trainierter Machine-Learning-Mechanismus erkennt Qualitätsmängel und steuert den Fertigungsprozess entsprechend. Aktuelle Bildverarbeitungs-Hardware erledigt solche Auswertungen im Zeitbereich von wenigen Millisekunden. Somit ist eine Qualitätskontrolle im laufenden Produktionsprozess möglich. Mehrere Kameras können auch synchronisiert Bilder von einem Werkstück zum exakt gleichen Zeitpunkt erstellen. Dies erlaubt dann unter anderem 3D-Berechnungen oder Zeitreihenanalysen. Eine Trennung von Kamera- und Steuerungsnetzwerk ist nicht mehr erforderlich. Da der Auswertealgorithmus auf einer externen Hardware läuft, kann er flexibel an unterschiedliche Produkte und Bedingungen angepasst werden. Industrial-Vision-Applikationen benötigen viel Bandbreite. Abhängig von der Auflösung und Aktualisierungsrate summiert sich der Wert schnell auf mehrere 100 Mbit/s. Außerdem werden in Vision-Anwendungen sogenannte Jumbo-Frames verwendet, die besonders vom TSN-Mechanismus Preemption profitieren. Aus diesem Grund sind konvergente Netze in Vision-Applikationen derzeit eher die Ausnahme, was sich mit TSN ändern könnte (Bild 3).